联邦学习模型训练的通信方法、装置和电子设备

技术领域

本申请涉及深度学习技术领域，尤其涉及一种联邦学习模型训练的通信方法、装置、电子设备和存储介质。

背景技术

目前，联邦学习可在不需要数据共享的前提下实现联邦建模和联邦训练，数据安全性较高，还可解决数据孤岛问题，得到了广泛应用。然而，相关技术中的联邦学习模型训练过程中，训练过程透明度较低，一些参与方会生成虚假数据与其他参与方进行联邦训练，以获取其他参与方的隐私数据，且训练过程不可回溯，出现问题无法查证。

发明内容

本申请旨在至少在一定程度上解决相关技术中联邦学习模型训练过程中，训练过程透明度较低，训练过程不可回溯，出现问题无法查证的技术问题之一。

为此，本申请第一方面实施例提出一种联邦学习模型训练的通信方法，获取用户节点在执行训练任务期间的通信记录，根据通信记录对应的哈希值生成默克尔树，将默克尔树存储至区块链中对应的区块中。由此，该方法可将用户节点的通信记录对应的哈希值生成默克尔树，并存储至区块链中，即可将训练过程中的通信记录存储至区块链中，使得通信记录可回溯，以便在后续出现问题时进行查证，提高了训练过程的透明度和安全性。

本申请第二方面实施例提出一种联邦学习模型训练的通信装置。

本申请第三方面实施例提出一种电子设备。

本申请第四方面实施例提出一种计算机可读存储介质。

本申请第一方面实施例提出了一种联邦学习模型训练的通信方法，包括：获取用户节点在执行训练任务期间的通信记录；根据所述通信记录对应的哈希值生成默克尔树；将所述默克尔树存储至区块链中对应的区块中。

根据本申请实施例的联邦学习模型训练的通信方法，获取用户节点在执行训练任务期间的通信记录，根据通信记录对应的哈希值生成默克尔树，将默克尔树存储至区块链中对应的区块中。由此，该方法可将用户节点的通信记录对应的哈希值生成默克尔树，并存储至区块链中，即可将训练过程中的通信记录存储至区块链中，使得通信记录可回溯，以便在后续出现问题时进行查证，提高了训练过程的透明度和安全性。

另外，根据本申请上述实施例的联邦学习模型训练的通信方法还可以具有如下附加的技术特征：

在本申请的一个实施例中，所述通信记录包括以下信息中的至少一种：发送方、接收方、变量唯一标识、消息大小和通信内容。

在本申请的一个实施例中，还包括：采用星际文件系统对所述通信内容进行存储，以生成所述通信内容对应的哈希值。

在本申请的一个实施例中，所述通信内容包括本地训练数据和/或中间训练结果。

在本申请的一个实施例中，所述获取用户节点在执行训练任务期间的通信记录之前，还包括：在所述区块链中建立所述区块；将区块属性信息存储至所述区块中。

在本申请的一个实施例中，所述区块属性信息包括以下信息中的至少一种：所述区块前一区块的哈希值、时间戳、随机数和所述区块后一区块的哈希值。

在本申请的一个实施例中，所述获取用户节点在执行训练任务期间的通信记录之前，还包括：获取所述用户节点提交的训练任务信息，所述训练任务信息中包括所述训练任务的配置信息；将所述配置信息存储至所述区块中。

在本申请的一个实施例中，所述配置信息包括以下信息中的至少一种：所述用户节点的标识、所述用户节点的角色和联邦学习模型的训练参数。

在本申请的一个实施例中，还包括：根据所述用户节点的本地训练模型和联邦学习模型的效果，确定所述用户节点的贡献值；根据所述贡献值确定所述用户节点的激励；将所述激励存储至所述区块中。

在本申请的一个实施例中，还包括：展示所述通信记录。

在本申请的一个实施例中，还包括：将所述通信记录发送至监管节点，以供所述监管节点对所述训练任务进行监管。

在本申请的一个实施例中，所述用户节点根据通信合约与所述通信合约中约定的用户节点进行通信，所述通信合约根据所述用户节点和其他用户节点的本地训练数据的的匹配度确定。

本申请第二方面实施例提出了一种联邦学习模型训练的通信装置，包括：获取模块，用于获取用户节点在执行训练任务期间的通信记录；生成模块，用于根据所述通信记录对应的哈希值生成默克尔树；存储模块，用于将所述默克尔树存储至区块链中对应的区块中。

本申请实施例的联邦学习模型训练的通信装置，获取用户节点在执行训练任务期间的通信记录，根据通信记录对应的哈希值生成默克尔树，将默克尔树存储至区块链中对应的区块中。由此，该方法可将用户节点的通信记录对应的哈希值生成默克尔树，并存储至区块链中，即可将训练过程中的通信记录存储至区块链中，使得通信记录可回溯，以便在后续出现问题时进行查证，提高了训练过程的透明度和安全性。

另外，根据本申请上述实施例的联邦学习模型训练的通信装置还可以具有如下附加的技术特征：

在本申请的一个实施例中，所述通信记录包括以下信息中的至少一种：发送方、接收方、变量唯一标识、消息大小和通信内容。

在本申请的一个实施例中，所述生成模块，还用于：采用星际文件系统对所述通信内容进行存储，以生成所述通信内容对应的哈希值。

在本申请的一个实施例中，所述通信内容包括本地训练数据和/或中间训练结果。

在本申请的一个实施例中，所述获取用户节点在执行训练任务期间的通信记录之前，所述存储模块，还用于：在所述区块链中建立所述区块；将区块属性信息存储至所述区块中。

在本申请的一个实施例中，所述区块属性信息包括以下信息中的至少一种：所述区块前一区块的哈希值、时间戳、随机数和所述区块后一区块的哈希值。

在本申请的一个实施例中，所述获取用户节点在执行训练任务期间的通信记录之前，所述存储模块，还用于：获取所述用户节点提交的训练任务信息，所述训练任务信息中包括所述训练任务的配置信息；将所述配置信息存储至所述区块中。

在本申请的一个实施例中，所述配置信息包括以下信息中的至少一种：所述用户节点的标识、所述用户节点的角色和联邦学习模型的训练参数。

在本申请的一个实施例中，所述存储模块，还用于：根据所述用户节点的本地训练模型和联邦学习模型的效果，确定所述用户节点的贡献值；根据所述贡献值确定所述用户节点的激励；将所述激励存储至所述区块中。

在本申请的一个实施例中，还包括：展示模块，用于：展示所述通信记录。

在本申请的一个实施例中，还包括：发送模块，用于：将所述通信记录发送至监管节点，以供所述监管节点对所述训练任务进行监管。

在本申请的一个实施例中，所述用户节点根据通信合约与所述通信合约中约定的用户节点进行通信，所述通信合约根据所述用户节点和其他用户节点的本地训练数据的的匹配度确定。

本申请第三方面实施例提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如前述第一方面实施例所述的联邦学习模型训练的通信方法。

本申请实施例的电子设备，通过处理器执行存储在存储器上的计算机程序，获取用户节点在执行训练任务期间的通信记录，根据通信记录对应的哈希值生成默克尔树，将默克尔树存储至区块链中对应的区块中。由此，该方法可将用户节点的通信记录对应的哈希值生成默克尔树，并存储至区块链中，即可将训练过程中的通信记录存储至区块链中，使得通信记录可回溯，以便在后续出现问题时进行查证，提高了训练过程的透明度和安全性。

本申请第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如前述第一方面实施例所述的联邦学习模型训练的通信方法。

本申请实施例的计算机可读存储介质，通过存储计算机程序并被处理器执行，获取用户节点在执行训练任务期间的通信记录，根据通信记录对应的哈希值生成默克尔树，将默克尔树存储至区块链中对应的区块中。由此，该方法可将用户节点的通信记录对应的哈希值生成默克尔树，并存储至区块链中，即可将训练过程中的通信记录存储至区块链中，使得通信记录可回溯，以便在后续出现问题时进行查证，提高了训练过程的透明度和安全性。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本申请一个实施例的联邦学习模型训练的通信方法的流程示意图；

图2为根据本申请一个实施例的联邦学习模型训练的通信方法中获取用户节点在执行训练任务期间的通信记录之前的流程示意图；

图3为根据本申请一个实施例的联邦学习模型训练的通信方法中在区块链中建立区块之后的流程示意图；

图4为根据本申请一个实施例的联邦学习模型训练的通信装置的结构示意图；以及

图5为根据本申请一个实施例的电子设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参照附图描述本申请实施例的联邦学习模型训练的通信方法、装置、电子设备和存储介质。

图1为根据本申请一个实施例的联邦学习模型训练的通信方法的流程示意图。

如图1所示，本申请实施例的联邦学习模型训练的通信方法，包括：

S101，获取用户节点在执行训练任务期间的通信记录。

需要说明的是，本申请实施例的联邦学习模型训练的通信方法的执行主体可为联邦学习模型训练的通信装置，本申请实施例的联邦学习模型训练的通信装置可以配置在任意电子设备中，以使该电子设备可以执行本申请实施例的联邦学习模型训练的通信方法。其中，电子设备可以为个人电脑(Personal Computer，简称PC)、云端设备、移动设备等，移动设备例如可以为手机、平板电脑、个人数字助理、穿戴式设备、车载设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。

本申请的实施例中，可获取用户节点在执行训练任务期间的通信记录。其中，用户节点指的是参与联邦学习模型训练任务的节点。可以理解的是，一个联邦学习模型训练任务需要多个用户节点协同训练，即用户节点的数量可为多个。可选的，用户节点可为实体组织。例如，用户节点包括但不限于个人、企业等。

可选的，用户节点根据通信合约中约定的用户节点进行通信，通信合约根据用户节点和其他用户节点的本地训练数据的的匹配度确定。可以理解的是，每个用户节点可对应一组本地训练数据，可获取用户节点和其他用户节点的本地训练数据的匹配度，根据上述匹配度确定通信合约。例如，若匹配度高于预设匹配度阈值，则将对应的其他用户节点作为通信合约中约定的用户节点。可以理解的是，根据匹配度确定通信合约还可为其他方式，这里不做过多限定。由此，该方法可通过通信合约确定用户节点的通信权限，有助于保证通信安全性。

可选的，通信记录包括以下信息中的至少一种：发送方、接收方、变量唯一标识、消息大小和通信内容。其中，通信内容包括本地训练数据和/或中间训练结果，中间训练结果包括但不限于分箱、梯度等。由此，通信记录可包括本地训练数据和/或中间训练结果，有助于保证模型训练回溯的完整性。

S102，根据通信记录对应的哈希值生成默克尔树。

本申请的实施例中，可根据通信记录对应的哈希值生成默克尔(Merkle)树。可以理解的是，每一次通信对应的通信记录可对应一个哈希值，可根据多个哈希值生成默克尔树。

可选的，通信记录包括通信内容时，可采用星际文件系统(InterPlanetary FileSystem，IPFS)对通信内容进行存储，以生成通信内容对应的哈希值。由此，该方法通过星际文件系统存储通信内容数据，并生成通信内容对应的哈希值，不需要将通信内容数据存储到区块链上，可节省区块链的网络带宽。

可选的，根据通信记录对应的哈希值生成默克尔树，可包括将哈希值向根节点的方向作哈希运算，得到默克尔根，根据默克尔根生成默克尔树。

S103，将默克尔树存储至区块链中对应的区块中。

目前，联邦学习可在不需要数据共享的前提下实现联邦建模和联邦训练，数据安全性较高，还可解决数据孤岛问题，得到了广泛应用。然而，相关技术中的联邦学习模型训练过程中，训练过程透明度较低，一些参与方会生成虚假数据与其他参与方进行联邦训练，以获取其他参与方的隐私数据，且训练过程不可回溯，出现问题无法查证。

本申请的实施例中，可将默克尔树存储至区块链中对应的区块中。可以理解的是，区块链可包括多个区块。可选的，可预先在区块链中建立目标区块，用于存储训练任务信息。相应的，可将默克尔树存储至区块链中的目标区块中。

可以理解的是，区块链中的数据稳定性和可靠性较高，该方法可将默克尔树存储至区块链中对应的区块中，有助于保证默克尔树的数据稳定性和可靠性。

综上，根据本申请实施例的联邦学习模型训练的通信方法，获取用户节点在执行训练任务期间的通信记录，根据通信记录对应的哈希值生成默克尔树，将默克尔树存储至区块链中对应的区块中。由此，该方法可将用户节点的通信记录对应的哈希值生成默克尔树，并存储至区块链中，即可将训练过程中的通信记录存储至区块链中，使得通信记录可回溯，以便在后续出现问题时进行查证，提高了训练过程的透明度和安全性。

在上述任一实施例的基础上，步骤S101中获取用户节点在执行训练任务期间的通信记录之后，可展示通信记录。其中，通信记录包括但不限于消息体、通信内容大小等，这里不做过多限定。由此，该方法可展示通信记录，使得通信记录可视化，提高了训练过程的透明度。

在上述任一实施例的基础上，步骤S101中获取用户节点在执行训练任务期间的通信记录之后，可将通信记录发送至监管节点，以供监管节点对训练任务进行监管。可以理解的是，联邦学习模型训练过程中还可设置监管节点，将通信记录发送至监管节点，以供监管节点对训练任务进行监管，可实现用户节点信息同步和共同监管。

在上述任一实施例的基础上，步骤S101中获取用户节点在执行训练任务期间的通信记录之前，还包括在区块链中建立区块，将区块属性信息存储至区块中。

可选的，区块属性信息包括以下信息中的至少一种：区块前一区块的哈希值、时间戳、随机数和区块后一区块的哈希值。

由此，该方法可在区块链中建立区块，并将区块属性信息存储至区块中，以便后续将默克尔树存储至区块链中的区块中。

在上述任一实施例的基础上，如图2所示，步骤S101中获取用户节点在执行训练任务期间的通信记录之前，还包括：

S201，获取用户节点提交的训练任务信息，训练任务信息中包括训练任务的配置信息。

本申请的实施例中，用户节点可生成训练任务信息并提交，相应的，可获取用户节点提交的训练任务信息。其中，训练任务信息中包括训练任务的配置信息。

可选的，配置信息包括以下信息中的至少一种：用户节点的标识、用户节点的角色和联邦学习模型的训练参数。

可以理解的是，可预先为每个用户节点设置对应的标识，用于区分不同的用户节点，还可预先为每个用户节点设置对应的角色，角色包括但不限于供给方、需求方等，还可预先为每个用户节点设置对应的联邦学习模型的训练参数，训练参数包括但不限于训练次数、模型精度、梯度等，这里不做过多限定。

S202，将配置信息存储至区块中。

由此，该方法可获取用户节点提交的训练任务信息，并将训练任务信息中的训练任务的配置信息存储至区块中，即可将训练任务的配置信息存储至区块链中，有助于保证配置信息的数据稳定性和可靠性。

在上述任一实施例的基础上，如图3所示，在区块链中建立区块之后，还包括：

S301，根据用户节点的本地训练模型和联邦学习模型的效果，确定用户节点的贡献值。

可以理解的是，每个用户节点可对应一个本地训练模型，不同的用户节点可对应不同的本地训练模型和联邦训练模型的效果，效果包括但不限于模型精度等。

可选的，根据用户节点的本地训练模型和联邦学习模型的效果，确定用户节点的贡献值，可包括根据联邦学习模型的效果与用户节点的本地训练模型的效果差值，确定用户节点的贡献值。可以理解的是，联邦学习模型的效果与用户节点的本地训练模型的效果差值，可表征联邦学习模型较本地训练模型的效果提升值，从而可根据上述效果提升值确定用户节点的贡献值。

S302，根据贡献值确定用户节点的激励。

可选的，可预先建立用户节点的贡献值和用户节点的激励之间的映射关系或者映射表，在获取到用户节点的贡献值之后，查询映射关系或者映射表，能够确定对应的用户节点的激励。应说明的是，上述映射关系或者映射表均可根据实际情况进行设置。

S303，将激励存储至区块中。

由此，该方法可综合考虑到用户节点的本地训练模型和联邦学习模型的效果对用户节点的贡献值的影响，并可根据用户节点的贡献值确定用户节点的激励，并将激励存储至区块中，有助于保证激励的数据稳定性和可靠性。

与上述图1至图3实施例提供的联邦学习模型训练的通信方法相对应，本公开还提供一种联邦学习模型训练的通信装置，由于本公开实施例提供的联邦学习模型训练的通信装置与上述图1至图3实施例提供的联邦学习模型训练的通信方法相对应，因此联邦学习模型训练的通信方法的实施方式也适用于本公开实施例提供的联邦学习模型训练的通信装置，在本公开实施例中不再详细描述。

图4为根据本申请一个实施例的联邦学习模型训练的通信装置的结构示意图。

如图4所示，本申请实施例的联邦学习模型训练的通信装置100可以包括：获取模块110、生成模块120和存储模块130。

获取模块110，用于获取用户节点在执行训练任务期间的通信记录；

生成模块120，用于根据所述通信记录对应的哈希值生成默克尔树；

存储模块130，用于将所述默克尔树存储至区块链中对应的区块中。

在本申请的一个实施例中，所述通信记录包括以下信息中的至少一种：发送方、接收方、变量唯一标识、消息大小和通信内容。

在本申请的一个实施例中，所述生成模块120，还用于：采用星际文件系统对所述通信内容进行存储，以生成所述通信内容对应的哈希值。

在本申请的一个实施例中，所述通信内容包括本地训练数据和/或中间训练结果。

在本申请的一个实施例中，所述获取用户节点在执行训练任务期间的通信记录之前，所述存储模块130，还用于：在所述区块链中建立所述区块；将区块属性信息存储至所述区块中。

在本申请的一个实施例中，所述区块属性信息包括以下信息中的至少一种：所述区块前一区块的哈希值、时间戳、随机数和所述区块后一区块的哈希值。

在本申请的一个实施例中，所述获取用户节点在执行训练任务期间的通信记录之前，所述存储模块130，还用于：获取所述用户节点提交的训练任务信息，所述训练任务信息中包括所述训练任务的配置信息；将所述配置信息存储至所述区块中。

在本申请的一个实施例中，所述配置信息包括以下信息中的至少一种：所述用户节点的标识、所述用户节点的角色和联邦学习模型的训练参数。

在本申请的一个实施例中，所述存储模块130，还用于：根据所述用户节点的本地训练模型和联邦学习模型的效果，确定所述用户节点的贡献值；根据所述贡献值确定所述用户节点的激励；将所述激励存储至所述区块中。

在本申请的一个实施例中，所述联邦学习模型训练的通信装置100还包括：展示模块，用于：展示所述通信记录。

在本申请的一个实施例中，所述联邦学习模型训练的通信装置100还包括：发送模块，用于：将所述通信记录发送至监管节点，以供所述监管节点对所述训练任务进行监管。

在本申请的一个实施例中，所述用户节点根据通信合约与所述通信合约中约定的用户节点进行通信，所述通信合约根据所述用户节点和其他用户节点的本地训练数据的的匹配度确定。

本申请实施例的联邦学习模型训练的通信装置，获取用户节点在执行训练任务期间的通信记录，根据通信记录对应的哈希值生成默克尔树，将默克尔树存储至区块链中对应的区块中。由此，该方法可将用户节点的通信记录对应的哈希值生成默克尔树，并存储至区块链中，即可将训练过程中的通信记录存储至区块链中，使得通信记录可回溯，以便在后续出现问题时进行查证，提高了训练过程的透明度和安全性。

为了实现上述实施例，如图5所示，本申请还提出一种电子设备200，包括：存储器210、处理器220及存储在存储器210上并可在处理器220上运行的计算机程序，处理器220执行程序时，实现如本申请前述实施例提出的联邦学习模型训练的通信方法。

本申请实施例的电子设备，通过处理器执行存储在存储器上的计算机程序，获取用户节点在执行训练任务期间的通信记录，根据通信记录对应的哈希值生成默克尔树，将默克尔树存储至区块链中对应的区块中。由此，该方法可将用户节点的通信记录对应的哈希值生成默克尔树，并存储至区块链中，即可将训练过程中的通信记录存储至区块链中，使得通信记录可回溯，以便在后续出现问题时进行查证，提高了训练过程的透明度和安全性。

为了实现上述实施例，本申请还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如本申请前述实施例提出的联邦学习模型训练的通信方法。

本申请实施例的计算机可读存储介质，通过存储计算机程序并被处理器执行，获取用户节点在执行训练任务期间的通信记录，根据通信记录对应的哈希值生成默克尔树，将默克尔树存储至区块链中对应的区块中。由此，该方法可将用户节点的通信记录对应的哈希值生成默克尔树，并存储至区块链中，即可将训练过程中的通信记录存储至区块链中，使得通信记录可回溯，以便在后续出现问题时进行查证，提高了训练过程的透明度和安全性。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。